際際滷shows by User: furqon17 / http://www.slideshare.net/images/logo.gif 際際滷shows by User: furqon17 / Mon, 07 Mar 2016 10:18:58 GMT 際際滷Share feed for 際際滷shows by User: furqon17 Big Data for Smart City /slideshow/big-data-for-smart-city/59190635 84521a07-d3dc-4c73-aa99-e52c0a2eb612-160307101858
]]>
]]> Mon, 07 Mar 2016 10:18:58 GMT /slideshow/big-data-for-smart-city/59190635 furqon17@slideshare.net(furqon17) Big Data for Smart City furqon17 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/84521a07-d3dc-4c73-aa99-e52c0a2eb612-160307101858-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br>
Big Data for Smart City from Koltiva
]]> 1275 6 https://cdn.slidesharecdn.com/ss_thumbnails/84521a07-d3dc-4c73-aa99-e52c0a2eb612-160307101858-thumbnail.jpg?width=120&height=120&fit=bounds presentation 000000 http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Big data analytics workshop /slideshow/big-data-analytics-workshop/36293426 bigdataanalyticsworkshop-140625093638-phpapp01
Talking Big Data Analytics In BPJS Kesehatan Workshop. ]]>
Talking Big Data Analytics In BPJS Kesehatan Workshop. ]]> Wed, 25 Jun 2014 09:36:38 GMT /slideshow/big-data-analytics-workshop/36293426 furqon17@slideshare.net(furqon17) Big data analytics workshop furqon17 Talking Big Data Analytics In BPJS Kesehatan Workshop. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/bigdataanalyticsworkshop-140625093638-phpapp01-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Talking Big Data Analytics In BPJS Kesehatan Workshop.
Big data analytics workshop from Koltiva
]]> 1615 4 https://cdn.slidesharecdn.com/ss_thumbnails/bigdataanalyticsworkshop-140625093638-phpapp01-thumbnail.jpg?width=120&height=120&fit=bounds presentation White http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Analisa klasifikasi biaya pasien rawat inap menggunakan teknik data mining attribute importance dan algoritma naive bayes /slideshow/analisa-klasifikasi-biaya-pasien-rawat-inap-menggunakan-teknik-data-mining-attribute-importance-dan-algoritma-naive-bayes/9361380 analisaklasifikasibiayapasienrawatinapmenggunakanteknikdataminingattributeimportancedanalgoritmanaivebayesrev1-110921100603-phpapp01
Sistem Informasi Manajemen Rumah Sakit (SIMRS) secara umum telah digunakan oleh para staf rumah sakit untuk mendukung operasional sehari-hari. Sebagian besar informasi yang didapat pada operasional SIMRS berasal dari pengolahan transactional database. Sedangkan untuk mendukung pengambilan keputusan ditingkat manajerial, diperlukan akses ke database dalam ukuran besar dan dimensi yang lebih kompleks, sehingga diperlukan teknik data mining. Pendekatan data mining biasa dilakukan untuk menggali informasi, pengetahuan, pola-pola baru dan tren dengan menganalisis database dalam ukuran besar, menggunakan teknologi pengenalan pola, teknik statistik dan matematik. Salahsatu potensi yang dapat dimanfaatkan pada penerapan data mining di rumah sakit adalah mengidentifikasi atribut-atribut penentu biaya pasien rawat inap. Dengan mengetahui atribut penentu biaya rawat, diharapkan pihak manajemen rumah sakit dapat melakukan kontrol terhadap biaya, sehingga ongkos perawatan pasien dapat ditekan tanpa mengurangi kualitas pelayanan. Untuk mengidentifikasi atribut penentu biaya pasien rawat inap, digunakan data kunjungan pasien rawat inap RSUP Dr. Cipto Mangunkusumo dengan jaminan Jamkesmas periode 1 Januari 2009 s/d 30 September 2010 dari database SIMRS sebanyak 2022 kunjungan (jumlah sebelum dilakukan data cleaning 8383). Dengan teknik analisa Atttibute Importance (AI) didapatkan atribut-atribut penentu biaya dengan urutan sebagai berikut: prosedur medis 1 (AI=0,16), prosedur medis 4 (AI=0,15), prosedur medis 3 (AI=0,14), LOS (AI=0,13), prosedur medis 2 (AI=0,13), organisasi (AI=0.10), diagnosa utama (AI=0,08), jenis kelamin (AI=0.02) dan status kawin (AI=0.01). Hasil klasifikasi dengan teknik Algoritma Naive Bayes menunjukkan model yang dibuat memiliki predictive confidence sebesar 50,41%. ]]>
Sistem Informasi Manajemen Rumah Sakit (SIMRS) secara umum telah digunakan oleh para staf rumah sakit untuk mendukung operasional sehari-hari. Sebagian besar informasi yang didapat pada operasional SIMRS berasal dari pengolahan transactional database. Sedangkan untuk mendukung pengambilan keputusan ditingkat manajerial, diperlukan akses ke database dalam ukuran besar dan dimensi yang lebih kompleks, sehingga diperlukan teknik data mining. Pendekatan data mining biasa dilakukan untuk menggali informasi, pengetahuan, pola-pola baru dan tren dengan menganalisis database dalam ukuran besar, menggunakan teknologi pengenalan pola, teknik statistik dan matematik. Salahsatu potensi yang dapat dimanfaatkan pada penerapan data mining di rumah sakit adalah mengidentifikasi atribut-atribut penentu biaya pasien rawat inap. Dengan mengetahui atribut penentu biaya rawat, diharapkan pihak manajemen rumah sakit dapat melakukan kontrol terhadap biaya, sehingga ongkos perawatan pasien dapat ditekan tanpa mengurangi kualitas pelayanan. Untuk mengidentifikasi atribut penentu biaya pasien rawat inap, digunakan data kunjungan pasien rawat inap RSUP Dr. Cipto Mangunkusumo dengan jaminan Jamkesmas periode 1 Januari 2009 s/d 30 September 2010 dari database SIMRS sebanyak 2022 kunjungan (jumlah sebelum dilakukan data cleaning 8383). Dengan teknik analisa Atttibute Importance (AI) didapatkan atribut-atribut penentu biaya dengan urutan sebagai berikut: prosedur medis 1 (AI=0,16), prosedur medis 4 (AI=0,15), prosedur medis 3 (AI=0,14), LOS (AI=0,13), prosedur medis 2 (AI=0,13), organisasi (AI=0.10), diagnosa utama (AI=0,08), jenis kelamin (AI=0.02) dan status kawin (AI=0.01). Hasil klasifikasi dengan teknik Algoritma Naive Bayes menunjukkan model yang dibuat memiliki predictive confidence sebesar 50,41%. ]]> Wed, 21 Sep 2011 10:05:58 GMT /slideshow/analisa-klasifikasi-biaya-pasien-rawat-inap-menggunakan-teknik-data-mining-attribute-importance-dan-algoritma-naive-bayes/9361380 furqon17@slideshare.net(furqon17) Analisa klasifikasi biaya pasien rawat inap menggunakan teknik data mining attribute importance dan algoritma naive bayes furqon17 Sistem Informasi Manajemen Rumah Sakit (SIMRS) secara umum telah digunakan oleh para staf rumah sakit untuk mendukung operasional sehari-hari. Sebagian besar informasi yang didapat pada operasional SIMRS berasal dari pengolahan transactional database. Sedangkan untuk mendukung pengambilan keputusan ditingkat manajerial, diperlukan akses ke database dalam ukuran besar dan dimensi yang lebih kompleks, sehingga diperlukan teknik data mining. Pendekatan data mining biasa dilakukan untuk menggali informasi, pengetahuan, pola-pola baru dan tren dengan menganalisis database dalam ukuran besar, menggunakan teknologi pengenalan pola, teknik statistik dan matematik. Salahsatu potensi yang dapat dimanfaatkan pada penerapan data mining di rumah sakit adalah mengidentifikasi atribut-atribut penentu biaya pasien rawat inap. Dengan mengetahui atribut penentu biaya rawat, diharapkan pihak manajemen rumah sakit dapat melakukan kontrol terhadap biaya, sehingga ongkos perawatan pasien dapat ditekan tanpa mengurangi kualitas pelayanan. Untuk mengidentifikasi atribut penentu biaya pasien rawat inap, digunakan data kunjungan pasien rawat inap RSUP Dr. Cipto Mangunkusumo dengan jaminan Jamkesmas periode 1 Januari 2009 s/d 30 September 2010 dari database SIMRS sebanyak 2022 kunjungan (jumlah sebelum dilakukan data cleaning 8383). Dengan teknik analisa Atttibute Importance (AI) didapatkan atribut-atribut penentu biaya dengan urutan sebagai berikut: prosedur medis 1 (AI=0,16), prosedur medis 4 (AI=0,15), prosedur medis 3 (AI=0,14), LOS (AI=0,13), prosedur medis 2 (AI=0,13), organisasi (AI=0.10), diagnosa utama (AI=0,08), jenis kelamin (AI=0.02) dan status kawin (AI=0.01). Hasil klasifikasi dengan teknik Algoritma Naive Bayes menunjukkan model yang dibuat memiliki predictive confidence sebesar 50,41%. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/analisaklasifikasibiayapasienrawatinapmenggunakanteknikdataminingattributeimportancedanalgoritmanaivebayesrev1-110921100603-phpapp01-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Sistem Informasi Manajemen Rumah Sakit (SIMRS) secara umum telah digunakan oleh para staf rumah sakit untuk mendukung operasional sehari-hari. Sebagian besar informasi yang didapat pada operasional SIMRS berasal dari pengolahan transactional database. Sedangkan untuk mendukung pengambilan keputusan ditingkat manajerial, diperlukan akses ke database dalam ukuran besar dan dimensi yang lebih kompleks, sehingga diperlukan teknik data mining. Pendekatan data mining biasa dilakukan untuk menggali informasi, pengetahuan, pola-pola baru dan tren dengan menganalisis database dalam ukuran besar, menggunakan teknologi pengenalan pola, teknik statistik dan matematik. Salahsatu potensi yang dapat dimanfaatkan pada penerapan data mining di rumah sakit adalah mengidentifikasi atribut-atribut penentu biaya pasien rawat inap. Dengan mengetahui atribut penentu biaya rawat, diharapkan pihak manajemen rumah sakit dapat melakukan kontrol terhadap biaya, sehingga ongkos perawatan pasien dapat ditekan tanpa mengurangi kualitas pelayanan. Untuk mengidentifikasi atribut penentu biaya pasien rawat inap, digunakan data kunjungan pasien rawat inap RSUP Dr. Cipto Mangunkusumo dengan jaminan Jamkesmas periode 1 Januari 2009 s/d 30 September 2010 dari database SIMRS sebanyak 2022 kunjungan (jumlah sebelum dilakukan data cleaning 8383). Dengan teknik analisa Atttibute Importance (AI) didapatkan atribut-atribut penentu biaya dengan urutan sebagai berikut: prosedur medis 1 (AI=0,16), prosedur medis 4 (AI=0,15), prosedur medis 3 (AI=0,14), LOS (AI=0,13), prosedur medis 2 (AI=0,13), organisasi (AI=0.10), diagnosa utama (AI=0,08), jenis kelamin (AI=0.02) dan status kawin (AI=0.01). Hasil klasifikasi dengan teknik Algoritma Naive Bayes menunjukkan model yang dibuat memiliki predictive confidence sebesar 50,41%.
Analisa klasifikasi biaya pasien rawat inap menggunakan teknik data mining attribute importance dan algoritma naive bayes from Koltiva
]]> 10887 4 https://cdn.slidesharecdn.com/ss_thumbnails/analisaklasifikasibiayapasienrawatinapmenggunakanteknikdataminingattributeimportancedanalgoritmanaivebayesrev1-110921100603-phpapp01-thumbnail.jpg?width=120&height=120&fit=bounds document Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 https://cdn.slidesharecdn.com/profile-photo-furqon17-48x48.jpg?cb=1679549481 I am an experienced Business Intelligence & Data Warehouse consultant with a strong background as a BI&DWH/ETL designer and developer. My work is mainly focused on the technical aspect of projects but also covers functional requirements and functional design. Good knowledge of current BI application architecture concepts, technologies, and methodologies ( Kimball DataMart , Inmon EDW, Data Vault EDW ) Good knowledge of Extract, Transform and Load (ETL)/ BI / Data Management/Data Quality Management tools. Good knowledge in Data Mining Concepts, Technologies and Methodologies. Besides Business Intelligence & Data Warehouse area, now I'm also focusing on Big Data, Cloud Application and Mob... http://furqonramdhani.com https://cdn.slidesharecdn.com/ss_thumbnails/84521a07-d3dc-4c73-aa99-e52c0a2eb612-160307101858-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/big-data-for-smart-city/59190635 Big Data for Smart City https://cdn.slidesharecdn.com/ss_thumbnails/bigdataanalyticsworkshop-140625093638-phpapp01-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/big-data-analytics-workshop/36293426 Big data analytics wor... https://cdn.slidesharecdn.com/ss_thumbnails/analisaklasifikasibiayapasienrawatinapmenggunakanteknikdataminingattributeimportancedanalgoritmanaivebayesrev1-110921100603-phpapp01-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/analisa-klasifikasi-biaya-pasien-rawat-inap-menggunakan-teknik-data-mining-attribute-importance-dan-algoritma-naive-bayes/9361380 Analisa klasifikasi bi...